TRA CỨU
Các bộ sưu tập
Skip Navigation Links.
Thư mục - Vốn tư liệu
基于数据挖掘的及物性和单宾语句典型性关系研究

基于数据挖掘的及物性和单宾语句典型性关系研究

 邵健
 tr. 31-41 中文
单宾语句多变量及物性Dữ liệu数据挖掘聚类Biến sốCART模型+ 2 từ khóa
Tác giả CN 邵健
Nhan đề 基于数据挖掘的及物性和单宾语句典型性关系研究
Mô tả vật lý tr. 31-41
Tóm tắt 本文以[±意愿]、[±生命]、[±源头]、[±具体]、[±瞬时]、[±受力]、[±变化]这七个及物性特征参数为变量解构单宾语句的语义表现,通过分析100例样本句在这些变量上的强弱表现以获得样本赋值数据。(1)SPSS软件的量化分析发现,及物性特征可降维成三个维度,分别对应于主语、谓语和宾语,三个维度具有良好的信度和效度;(2)通过分析样本句在及物性特征上的表现差异,100例样本句分为三个类别;(3)以数据挖掘软件Clementine构建及物性特征和单宾语句典型性类别之间的CART决策树,发现[±生命]、[±变化]、[±受力]和[±瞬时]是参与典型性类别决策的有效变量,这四个特征对单宾语句的类别判定至关重要。
Tóm tắt The paper applies seven semantic parameters analysis of the transitive sentence and collects data from 100 Chinese transitive sentences according to their performance on each parameter. By using SPSS, the paper finds out:(1) the seven parameters fall into three dimensions, which are of good reliability and validity;(2) k-cluster method helps to divide the 100 sentences into three categories;(3) CART decision tree filters four parameters that have significant influence upon the decision of sentences’ categories.
Thuật ngữ chủ đề 单宾语句
Từ khóa tự do 多变量
Từ khóa tự do 及物性
Từ khóa tự do Dữ liệu
Từ khóa tự do 单宾语句
Từ khóa tự do 数据挖掘
Từ khóa tự do 聚类
Từ khóa tự do Biến số
Từ khóa tự do CART模型
Từ khóa tự do Câu biến đổi
Từ khóa tự do Yếu tố gây nhiễu
Nguồn trích 汉语学习- No.1/2019
MARC
Hiển thị đầy đủ trường & trường con
TagGiá trị
00000000nab#a2200000ui#4500
00156912
0022
004421B7C79-7752-401B-B5F5-71FEE3B6131C
005202007030915
008081223s vm| vie
0091 0
035[ ] |a 1456406283
039[ ] |a 20241130165932 |b idtocn |c 20200703091527 |d thuvt |y 20191031103428 |z thuvt
041[0 ] |a chi
044[ ] |a ch
100[0 ] |a 邵健
245[1 0] |a 基于数据挖掘的及物性和单宾语句典型性关系研究
300[1 0] |a tr. 31-41
520[ ] |a 本文以[±意愿]、[±生命]、[±源头]、[±具体]、[±瞬时]、[±受力]、[±变化]这七个及物性特征参数为变量解构单宾语句的语义表现,通过分析100例样本句在这些变量上的强弱表现以获得样本赋值数据。(1)SPSS软件的量化分析发现,及物性特征可降维成三个维度,分别对应于主语、谓语和宾语,三个维度具有良好的信度和效度;(2)通过分析样本句在及物性特征上的表现差异,100例样本句分为三个类别;(3)以数据挖掘软件Clementine构建及物性特征和单宾语句典型性类别之间的CART决策树,发现[±生命]、[±变化]、[±受力]和[±瞬时]是参与典型性类别决策的有效变量,这四个特征对单宾语句的类别判定至关重要。
520[ ] |a The paper applies seven semantic parameters analysis of the transitive sentence and collects data from 100 Chinese transitive sentences according to their performance on each parameter. By using SPSS, the paper finds out:(1) the seven parameters fall into three dimensions, which are of good reliability and validity;(2) k-cluster method helps to divide the 100 sentences into three categories;(3) CART decision tree filters four parameters that have significant influence upon the decision of sentences’ categories.
650[1 0] |a 单宾语句
653[0 ] |a 多变量
653[0 ] |a 及物性
653[0 ] |a Dữ liệu
653[0 ] |a 单宾语句
653[0 ] |a 数据挖掘
653[0 ] |a 聚类
653[0 ] |a Biến số
653[0 ] |a CART模型
653[0 ] |a Câu biến đổi
653[0 ] |a Yếu tố gây nhiễu
773[ ] |t 汉语学习 |g No.1/2019
890[ ] |a 0 |b 0 |c 0 |d 0